SVD in Tensorflow

Question

Ich möchte von Vektordarstellung erstellen text8 Corpus mit SVD (Einzelwertzerlegung) in Tensorflow. Früher habe ich folgende Stück Code, aber es nicht Anzahl der Dimension:

u,s,v = tf.svd(coocurrence_matrix) 

ich so etwas wie TruncatedSVD in scikit-learn brauchen. Was soll ich machen? Ist es möglich, die gleichen Dinge in Tensorflow zu tun?

Answer 1

Ich nehme es als Sie arbeiten die erste Aufgabe von cs20si. Bilden Sie die Kookkurrenzmatrix, die eine beliebige Dimension hat, sagen Sie (1000,1000). Sobald Sie die Wörter (eine Liste) und das Wörterbuch haben, die Worte auf Indizes abbildet, können Sie gleichzeitig Matrix wie

cooccurrence_matrix = np.zeros((VOCAB_SIZE, VOCAB_SIZE)) 
n_words = len(words) 
for i, current_word in enumerate(words): 
    if current_word not in dictionary: 
     current_word = 'UNK' 
    if i != 0: 
     left_word = words[i-1] 
     if left_word not in dictionary: 
      left_word = 'UNK' 
     cooccurrence_matrix[dictionary[current_word]][dictionary[left_word]] += 1 
    if i < n_words-1: 
     right_word = words[i+1] 
     if right_word not in dictionary: 
      right_word = 'UNK' 
     cooccurrence_matrix[dictionary[current_word]][dictionary[right_word]] += 1 

print cooccurrence_matrix.shape 

Danach bilden verwenden ndarray können Sie einfach direkt verwenden tf.svd, da es nur einen Tensor nimmt .

tf_svd = tf.svd(matrix, compute_uv=True) 
with tf.Session() as sess: 
     sess.run(tf.global_variables_initializer()) 
     svd, u, v = sess.run(tf_svd, feed_dict={matrix:cooccurrence_matrix}) 

Ausgabe von tf.svd werden drei Werte haben wie in der tf.svd Dokumentation erwähnt. Ich würde mit der Wörterbuchgröße 100 beginnen, um zu sehen, ob die Dinge in Ordnung sind.